論文の概要: Riemann-1.0: An Embodied World Action Model for Physical AI

• arxiv url: http://arxiv.org/abs/2608.27033v1
• Date: Thu, 27 Aug 2026 12:21:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-28 16:30:58.39661
• Title: Riemann-1.0: An Embodied World Action Model for Physical AI
• Title（参考訳）: Riemann-1.0:物理AIのための身体的世界行動モデル
• Abstract要約: 我々は,完全な因果的自己回帰的世界行動モデルを導入し,インテリジェンスを具現化する。 Rickel-1.0は、オンラインロボットポリシーの実行と行動条件付き世界シミュレーションを単一のモデルで統合する。 我々は,エゴセントリックな人間ビデオ,ハンドヘルド・グリッパー・デモ,異種ロボット軌道からの学習を統一する,プログレッシブな具体的事前学習フレームワークを開発した。
• 参考スコア（独自算出の注目度）: 17.136136265925682
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce Riemann-1.0, a fully causal autoregressive World Action Model for embodied intelligence. Riemann-1.0 jointly models multi-view visual observations, robot states, and embodiment-specific actions within a unified causal autoregressive sequence, representing robot actions and world evolution as causal state transitions. Unlike existing WAMs based on joint generation, video-first prediction, or decoupled modeling paradigms, Riemann-1.0 unifies online robot policy execution and action-conditioned world simulation within a single model, enabling it to function as both an executable robot policy and a multi-embodiment visual world simulator. To scale embodied experience across heterogeneous data sources, we further develop a progressive embodied pretraining framework that unifies learning from egocentric human videos, handheld-gripper demonstrations, and heterogeneous robot trajectories under a shared World Action Modeling objective. Built upon 200K+ hours of interaction data, Riemann-1.0 progressively transfers large-scale embodied experience into executable robot manipulation capabilities. Riemann-1.0 achieves state-of-the-art performance across both simulation benchmarks and real-world manipulation tasks. It achieves success rates of 94.3% on RoboTwin2.0, 99.0% on LIBERO, and 62.6% on the long-horizon compositional benchmark RoboCasa-365, outperforming the previous best method by 8.4% On long-horizon real-world manipulation tasks, Riemann-1.0 achieves a Success Rate (SR) of 85.0% and a Progress Success Rate (PSR) of 94.4%, exceeding the strongest open-source baseline by 15% in SR. These results demonstrate that unified World Action Modeling together with progressive embodied pretraining effectively transforms large-scale embodied experience into generalizable robot manipulation capabilities.
• Abstract（参考訳）: 我々は,完全な因果的自己回帰的世界行動モデルであるリーマン1.0を紹介した。 Riemann-1.0は、統合された因果自己回帰シーケンス内の多視点視覚観察、ロボット状態、および実施固有のアクションを共同でモデル化し、因果状態遷移としてロボットの動作と世界進化を表現する。 ジョイントジェネレーション、ビデオファースト予測、分離されたモデリングパラダイムに基づく既存のWAMとは異なり、Riemann-1.0はオンラインロボットポリシー実行とアクション条件付き世界シミュレーションを単一のモデルに統合し、実行可能なロボットポリシーと多身体視覚世界シミュレータの両方として機能させる。 異種データソース間での実施経験を拡大するため,世界行動モデリングの目的の下で,エゴセントリックな人間ビデオ,ハンドヘルド・グリッパー・デモ,異種ロボット軌道からの学習を統一するプログレッシブ・エボデーテッド・プレトレーニング・フレームワークを開発した。 200K以上のインタラクションデータに基づいて構築されたRiemann-1.0は、大規模なエンボディドエクスペリエンスを、実行可能ロボット操作能力に段階的に移行する。 Riemann-1.0は、シミュレーションベンチマークと実世界の操作タスクの両方で最先端のパフォーマンスを達成する。 RoboTwin2.0が94.3%、LIBEROが99.0%、RoboCasa-365が62.6%で成功し、従来のベストメソッドを8.4%上回った。 これらの結果から,ワールドアクション・モデリングとプログレッシブ・エンボディド・プレトレーニングは,大規模エンボディド体験を一般化可能なロボット操作能力に効果的に変換することを示した。

関連論文リスト

• Pelican-Sim 1.0: A General World Model Simulator for Embodied Intelligence [22.0636262013758]
  Pelican-Sim 1.0は、インテリジェンスのための一般的な世界モデルシミュレータである。 ビジュアルコンテキストとロボットアクションから将来の観察を予測し、下流での学習と意思決定を支援する。
  論文  参考訳（メタデータ） (2026-09-10T17:51:01Z)
• GigaWorld-1: A Roadmap to Build World Models for Robot Policy Evaluation [73.02743604295246]
  WMBenchは、実際のロボット遠隔操作データとポリシーのロールアウトから構築されたベンチマークである。 7つのビデオワールドモデル,4つのアクション表現スキーム,および実際のロボット実行と組み合わせた324,000以上のシミュレートされたポリシーロールアウトを分析した。 評価者の品質は、短期的な視覚的リアリズムよりも、長期的な、行動に忠実なロールアウト一貫性に支配されている。
  論文  参考訳（メタデータ） (2026-07-02T17:02:43Z)
• SIMPLE: Simulation-Based Policy Learning and Evaluation for Humanoid Loco-manipulation [33.50539650112054]
  本稿では,ヒューマノイド政策学習と評価のための統一シミュレーションであるSIMPLEを提案する。 SIMPLEは、MuJoCoの正確な接触リッチなダイナミクスとIsaacSimのレンダリングを結合する。 60の多様なボディタスク、50の屋内シーン、1000以上のオブジェクトアセットからなる大規模な環境を提供する。
  論文  参考訳（メタデータ） (2026-06-06T17:55:43Z)
• RLDX-1 Technical Report [74.70437517338186]
  マルチストリーム動作変換器(Multi-Stream Action Transformer:MSAT)上に構築したデクスタス操作のための汎用ロボットポリシーRTDX-1を紹介する。 経験的評価により、RLDX-1は最新のフロンティア・ビジョン・ランゲージ・アクションモデルよりも一貫して優れていることを示す。
  論文  参考訳（メタデータ） (2026-05-05T01:40:15Z)
• Being-H0.5: Scaling Human-Centric Robot Learning for Cross-Embodiment Generalization [38.20385682344082]
  本稿では,多様なロボットプラットフォームにまたがる堅牢なクロスエボディメント一般化を目的とした,基礎的なビジョン・ランゲージ・アクションモデルであるBeing-H0.5を紹介する。 今回紹介するUniHand-2.0は、これまでで最大で、3万5000時間以上のマルチモーダルデータを、30の異なるロボットエボディメントに展開する。 Be-H0.5 は LIBERO (98.9%) や RoboCasa (53.9%) のようなシミュレートされたベンチマークで最先端の結果を得る
  論文  参考訳（メタデータ） (2026-01-19T12:20:38Z)
• InternVLA-A1: Unifying Understanding, Generation and Action for Robotic Manipulation [77.07565723756119]
  InternVLA-A1は動的予測機能を備えた視覚言語モデルである。 我々は、実世界のロボットデータ、合成シミュレーションデータ、人間のビデオなどを用いて、これらのモデルを異種データソース上で事前訓練する。 InternVLA-A1を実世界の12のロボットタスクとシミュレーションベンチマークで評価した。
  論文  参考訳（メタデータ） (2026-01-05T18:54:29Z)
• MiVLA: Towards Generalizable Vision-Language-Action Model with Human-Robot Mutual Imitation Pre-training [102.850162490626]
  人間のロボットによる相互模倣事前学習による視覚-言語-行動モデルであるMiVLAを提案する。 MiVLAは、最先端のVLAよりも優れた、強力な改良された一般化能力を実現する。
  論文  参考訳（メタデータ） (2025-12-17T12:59:41Z)
• Opening the Sim-to-Real Door for Humanoid Pixel-to-Action Policy Transfer [59.02729900344616]
  GPUを加速したフォトリアリスティックなシミュレーションは、ロボット学習のためのスケーラブルなデータ生成パスを開いた。 視覚に基づくヒューマノイドロコ操作のための教師-学生-ブートストラップ学習フレームワークを開発した。 これは、純粋なRGB知覚を用いた多様な調音ロコ操作が可能な初めてのヒューマノイド・シム・トゥ・リアル政策である。
  論文  参考訳（メタデータ） (2025-11-30T20:07:13Z)
• ProcTHOR: Large-Scale Embodied AI Using Procedural Generation [55.485985317538194]
  ProcTHORは、Embodied AI環境の手続き的生成のためのフレームワークである。 ナビゲーション、アレンジメント、アーム操作のための6つの具体化されたAIベンチマークに対して、最先端の結果を実証する。
  論文  参考訳（メタデータ） (2022-06-14T17:09:35Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。